இந்த நாட்களில் சாட்போட்கள் மிகவும் பிரபலமாக உள்ளன. எனவே, பைத்தானைப் பயன்படுத்தி சாட்போட்டை உருவாக்க உங்களுக்கு உதவ வந்துள்ளோம். இந்த இடுகையில், ஊடாடும் AI சாட்போட்டை உருவாக்குவது பற்றி பேசுவோம்.
ஊடாடும் செயற்கை நுண்ணறிவு சாட்போட்கள் மனித உரையாடலைப் பிரதிபலிக்கும் கணினி அமைப்புகள். மேலும், அவை இயற்கையான மொழி செயலாக்கத்தைப் பயன்படுத்தி மனித உள்ளீட்டிற்கு பதிலளிக்கின்றன இயந்திர கற்றல் தொழில்நுட்பங்கள்.
மிகவும் திறமையான வாடிக்கையாளர் பராமரிப்பு அனுபவத்தை வழங்க, இந்த சாட்போட்கள் பல இயங்குதளங்களுடன் இணைக்கப்படலாம். எனவே, இந்த தளங்கள் இணையதளங்கள், மொபைல் பயன்பாடுகள் மற்றும் செய்தி அனுப்பும் அமைப்புகளாக இருக்கலாம். தவிர, ஓய்வு, கல்வி மற்றும் விளம்பரம் உள்ளிட்ட பல்வேறு நோக்கங்களுக்காக அவை பயன்படுத்தப்படலாம்.
OpenAI நூலகம்
GPT-3 மாடல் OpenAI லைப்ரரியில் கிடைக்கிறது. உங்கள் சாட்போட்டுக்கான பதில்களை உருவாக்க இதைப் பயன்படுத்தலாம். தொகுப்பில் மாதிரியுடன் தொடர்புகொள்வதற்கான நேரடியான API உள்ளது. இது உங்களுடன் ஒருங்கிணைப்பதை எளிதாக்குகிறது பைதான் சாட்போட் பயன்பாடு.
எனவே, உங்கள் திட்டத்தில் OpenAIஐப் பயன்படுத்தலாம்.
GPT-3 மாதிரியிலிருந்து பதில்களை உருவாக்க, completion.create() முறையைப் பயன்படுத்துவோம்.
OpenAI ஆனது GPT-2, DALL-E போன்ற மாற்று மாடல்களையும் வழங்குகிறது. உங்கள் சாட்போட்டை உருவாக்க இவற்றில் ஏதேனும் ஒன்றை நீங்கள் பயன்படுத்தலாம். இருப்பினும், ஒவ்வொரு மாடலுக்கும் அதன் தனித்துவமான திறமைகள், பலம் மற்றும் குறைபாடுகள் உள்ளன என்பதை நினைவில் கொள்ளுங்கள்.
சாட்போட்டை உருவாக்குதல்
1- முதலில், நாம் OpenAI நூலகத்தை நிறுவ வேண்டும் மற்றும் OpenAI இணையதளத்தில் இருந்து பெறப்பட்ட API விசையை ஒதுக்க வேண்டும். இது OpenAI API வழியாக GPT-3 மாதிரிக்கான அணுகலை உங்களுக்கு வழங்கும்.
import openai
openai.api_key = "YOUR_API_KEY"
API விசையை அமைக்க, https://beta.openai.com/ க்குச் சென்று பதிவு செய்யவும்.
2- இப்போது நாம் பயனர் உள்ளீட்டை ஏற்கும் chatbot() செயல்பாட்டை உருவாக்க வேண்டும். மேலும், அதை GPT-3 மாதிரியின் ப்ராம்ட் ஆகப் பயன்படுத்த வேண்டும். பயனர் உள்ளீட்டைச் சேகரிக்க உள்ளீடு() முறை பயன்படுத்தப்படுகிறது, மேலும் பயனர் "வெளியேறு" உள்ளீடு செய்யும் வரை லூப் இயங்கும்.
def chatbot():
while True:
user_input = input("You: ")
3- பயனர் உள்ளீடு "வெளியேறு" என்பதற்குச் சமமாக இருந்தால், லூப் உடைந்து, சாட்போட் நிறுத்தப்படும்.
if user_input.lower() == "exit":
break
4- GPT-3 மாதிரியிலிருந்து ஒரு பதிலை உருவாக்க, நாம் இப்போது openai.Completion.create() செயல்பாட்டைப் பயன்படுத்த வேண்டும். என்ஜின் அளவுரு "டெக்ஸ்ட்-டேவின்சி-002" என அமைக்கப்பட்டுள்ளது, இது GPT-3 மாடலாகும். ப்ராம்ட் அளவுரு பயனர் உள்ளீட்டிற்கு அமைக்கப்பட்டுள்ளது, அதைத் தொடர்ந்து ப்ராம்ட்டின் முடிவைக் குறிக்க ஒரு இடைவெளி உள்ளது.
உருவாக்கப்பட்ட உரையில் கணிக்க முடியாத அளவைக் கட்டுப்படுத்த வெப்பநிலை அளவுரு 0.5 ஆக அமைக்கப்பட்டுள்ளது. மேலும், உருவாக்கப்பட்ட பதிலின் நீளத்தைக் கட்டுப்படுத்த அதிகபட்ச டோக்கன் அளவுரு 2048 க்கு அமைக்கப்பட்டுள்ளது.
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
5- இப்போது GPT-3 மாதிரியிலிருந்து அச்சு பதிலை உருவாக்குவோம்.
print("Chatbot: ", response["choices"][0]["text"])
6- நாம் இப்போது ஸ்கிரிப்ட்டின் முதன்மை செயல்பாட்டைச் சேர்ப்போம். அழைக்கப்படும் போது, அது வரவேற்பு செய்தியை அச்சிட்டு, பின்னர் chatbot() முறையை அழைக்கும்.
if __name__ == "__main__":
print("Welcome to the GPT-3 Chatbot!")
print("Type 'exit' to close the chatbot.")
chatbot()
Chatbot க்கு வித்தியாசமான கேள்வியைக் கேளுங்கள்
நாங்கள் ஏற்கனவே வானிலை பற்றி பேசினோம். எங்கள் உரையாடலை மேம்படுத்த வேறு ஏதாவது முயற்சி செய்யலாம். உதாரணமாக, "இன்று உங்கள் மனநிலை எப்படி இருக்கிறது?" என்று நாம் கேட்கலாம்.
def chatbot():
while True:
user_input = input("You: ")
if user_input.lower() == "exit":
break
elif user_input.lower() == "how is your mood today?":
print("Chatbot: My mood is great, thank you for asking!")
continue
response = openai.Completion.create(
engine="text-davinci-002",
prompt=user_input + " ",
max_tokens=2048,
temperature=0.5
)
print("Chatbot: ", response["choices"][0]["text"])
பைதான் மூலம் ChatBot ஐ உருவாக்குவதற்கான பிற முறைகள்
இயற்கை மொழி கருவித்தொகுப்பு (NLTK) அல்லது ஸ்பேசி நூலகத்தைப் பயன்படுத்துதல்
டோக்கனைசேஷன் மற்றும் ஸ்டெம்மிங் போன்ற பணிகளுக்கு இந்த நூலகங்கள் சிறந்தவை. மேலும், அவை பயன்படுத்தப்படலாம் பெயரிடப்பட்ட நிறுவனம் இயற்கை மொழி செயலாக்கத்தில் அடையாளம். என்.எல்.டி.கே பொது நோக்கம் கொண்டது. மேலும், இது பரந்த அளவிலான அம்சங்களை வழங்குகிறது. இருப்பினும், SpaCy அதிக செயல்திறன் சார்ந்தது மற்றும் பொதுவாக விரைவானதாக கருதப்படுகிறது.
NLTK ஐ நிறுவ பின்வரும் கட்டளையைப் பயன்படுத்தலாம்:
pip install nltk
ஸ்பேசியை நிறுவ:
pip install spacy
RASA ஐப் பயன்படுத்துதல்
RASA என்பது வளர்ச்சிக்கான ஒரு திறந்த மூல தளமாகும் உரையாடல் AI சாட்போட்கள். சாட்போட்களை உருவாக்குவதற்கான நூலகங்கள் மற்றும் கருவிகளின் தொகுப்பு இதில் அடங்கும். மேலும், இது இயல்பான மொழி உள்ளீட்டை அடையாளம் கண்டு சரியான முறையில் பதிலளிக்கும்.
RASA ஐ நிறுவ பின்வரும் கட்டளையைப் பயன்படுத்தலாம்:
pip install rasa
டென்சர்ஃப்ளோ மற்றும் கேராஸ்
TensorFlow மற்றும் Keras ஆகியவை முக்கிய இயந்திர கற்றல் நூலகங்கள். இயற்கையான மொழி உள்ளீட்டை அடையாளம் காணவும் பொருத்தமான பதில்களை உருவாக்கவும் ஒரு மாதிரியைப் பயிற்றுவிக்க இதைப் பயன்படுத்தலாம்.
TensorFlow ஐ நிறுவ பின்வரும் கட்டளையை நீங்கள் இயக்கலாம்:
pip install tensorflow
pip install keras
தீர்மானம்
ஊடாடும் செயற்கை நுண்ணறிவு சாட்போட்கள் மனித தகவல்தொடர்புகளைப் பிரதிபலிக்கும் கணினி அமைப்புகள். எனவே, அவை மனித உள்ளீட்டிற்கு பதிலளிக்கின்றன. இது மிகவும் உற்சாகமானது மற்றும் எதிர்காலத்திற்கான நம்பிக்கைக்குரியது.
OpenAI நூலகம் GPT-3 மாதிரியுடன் இணைப்பதற்கான எளிய API ஐ வழங்குகிறது. பயனர்களுடன் இயல்பாகவும் ஈடுபாட்டுடனும் தொடர்பு கொள்ளும் சாட்போட்டை நீங்கள் வடிவமைக்கலாம். சரியான அணுகுமுறையுடன் நீங்கள் மிகவும் பயனுள்ள மற்றும் தனிப்பயனாக்கப்பட்ட அனுபவத்தை உருவாக்கலாம்.
ஒரு பதில் விடவும்